近期，复旦大学附属华山医院教授、天桥脑科学研究院（TCCI）研究员郁金泰团队及合作者在《柳叶刀》子刊《eClinicalMedicine》上发表了题为“Development of a novel dementia risk prediction model in the general population: A large, longitudinal, population-based machine-learning study”的研究。该研究旨在开发全新的痴呆风险预测模型，提高风险人群的早期识别。
由于痴呆病程长，在发病前20年就会出现病理性改变，当患者诊断为痴呆时，往往已错过了最佳的治疗时间窗。因此，亟需寻找早期预测痴呆的方法，识别痴呆高风险人群。为此，郁金泰教授团队及合作者开展了此项研究。
研究人员在英国生物样本库（UK Biobank）的纵向人群队列中，随访了425159位40~69岁的非痴呆参与者（中位随访时间为11.9年），其中5287位参与者被诊断为新发痴呆。研究纳入参与者的认知、生化、行为和基因等多维度健康相关指标366个，涵盖了广泛的遗传和环境因素。
随后，研究人员运用机器学习算法，计算每个指标对痴呆预测模型的重要程度，最终选出排名前十的指标作为痴呆预测因子，构建了UKB-DRP痴呆预测模型。这十个预测因子是：年龄、载脂蛋白E（ApoE）基因、认知配对测试时长、腿部脂肪百分比、服药数量、认知反应测试时长、呼气峰流量、母亲死亡年龄、慢性疾病和平均红细胞体积。
预测因子重要度排序和模型纳入预测因子对痴呆的预测效能（水平杆范围越宽，对预测的影响越大）
UKB-DRP痴呆预测模型对未来五年、十年甚至更长时间的全因痴呆和阿尔茨海默病的预测效能均较高，其中全因痴呆的预测AUC值为0.85，而阿尔茨海默病的预测AUC值更高，可达0.86~0.89。AUC的取值范围在0.5和1之间，AUC越接近1.0，检测方法真实性越高。
总之，本研究确定的全新痴呆风险预测模型，为痴呆的早期筛查提供了有力工具，有利于在疾病早期开展有效的精确预防和干预，进而延缓病程进展，降低疾病负担。